論文の概要: A UNet Model for Accelerated Preprocessing of CRISM Hyperspectral Data for Mineral Identification on Mars

• arxiv url: http://arxiv.org/abs/2505.02046v1
• Date: Sun, 04 May 2025 09:54:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.395218
• Title: A UNet Model for Accelerated Preprocessing of CRISM Hyperspectral Data for Mineral Identification on Mars
• Title（参考訳）: 火星の鉱物識別のためのCRISMハイパースペクトルデータの加速前処理のためのUNetモデル
• Authors: Priyanka Kumari, Sampriti Soor, Amba Shetty, Archana M. Nair,
• Abstract要約: 本稿では、CRISM MTRDRハイパースペクトルデータの効率的なスペクトル前処理のためのUNetベースのオートエンコーダモデルを提案する。 提案モデルでは, 主成分のミネラル吸収特性を保ちながら, 平滑化や除去などの重要な前処理工程を自動化する。
• 参考スコア（独自算出の注目度）: 1.124958340749622
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Accurate mineral identification on the Martian surface is critical for understanding the planet's geological history. This paper presents a UNet-based autoencoder model for efficient spectral preprocessing of CRISM MTRDR hyperspectral data, addressing the limitations of traditional methods that are computationally intensive and time-consuming. The proposed model automates key preprocessing steps, such as smoothing and continuum removal, while preserving essential mineral absorption features. Trained on augmented spectra from the MICA spectral library, the model introduces realistic variability to simulate MTRDR data conditions. By integrating this framework, preprocessing time for an 800x800 MTRDR scene is reduced from 1.5 hours to just 5 minutes on an NVIDIA T1600 GPU. The preprocessed spectra are subsequently classified using MICAnet, a deep learning model for Martian mineral identification. Evaluation on labeled CRISM TRDR data demonstrates that the proposed approach achieves competitive accuracy while significantly enhancing preprocessing efficiency. This work highlights the potential of the UNet-based preprocessing framework to improve the speed and reliability of mineral mapping on Mars.
• Abstract（参考訳）: 火星表面の正確な鉱物の同定は、惑星の地質学的歴史を理解するために重要である。 本稿では、CRISM MTRDRハイパースペクトルデータの効率的なスペクトル前処理のためのUNetベースのオートエンコーダモデルを提案する。 提案モデルでは, 主成分のミネラル吸収特性を保ちながら, 平滑化や連続除去などの重要な前処理工程を自動化する。 MICAスペクトルライブラリから拡張スペクトルを学習し、MTRDRデータ条件をシミュレートするための現実的な可変性を導入する。 このフレームワークを統合することで、800x800 MTRDRシーンの事前処理時間は、NVIDIA T1600 GPU上で1.5時間から5分に短縮される。 その後、前処理されたスペクトルは、火星の鉱物識別のための深層学習モデルであるMICAnetを用いて分類される。 ラベル付きCRISM TRDRデータによる評価は,提案手法が前処理効率を大幅に向上し,競争精度が向上することを示す。 この研究は、火星のミネラルマッピングの速度と信頼性を改善するために、UNetベースの前処理フレームワークの可能性を強調している。

関連論文リスト

• HyperspectralViTs: General Hyperspectral Models for On-board Remote Sensing [21.192836739734435]
  機械学習モデルによるハイパースペクトルデータのオンボード処理は、幅広いタスクに対して前例のない量の自律性を可能にする。 これにより早期警戒システムが可能となり、衛星の星座にまたがる自動スケジューリングなどの新機能が実現される可能性がある。 本研究では,高スペクトル次元のデータを用いたエンドツーエンドの学習を支援する,高速かつ正確な機械学習アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-10-22T17:59:55Z)
• Noise2Noise Denoising of CRISM Hyperspectral Data [6.502987568800912]
  ノイズ2ノイズ4Mars (N2N4M) はCRISM画像からノイズを取り除くために導入された。 我々のモデルは自己教師型であり、ゼロノイズ対象データを必要としない。 これにより、提案された着陸地点を含む火星表面における重要な場所の詳細な分析が可能になる。
  論文  参考訳（メタデータ） (2024-03-26T14:49:22Z)
• SMRD: SURE-based Robust MRI Reconstruction with Diffusion Models [76.43625653814911]
  拡散モデルは、高い試料品質のため、MRIの再生を加速するために人気を博している。 推論時に柔軟にフォワードモデルを組み込んだまま、効果的にリッチなデータプリエントとして機能することができる。 拡散モデル(SMRD)を用いたSUREに基づくMRI再構成を導入し,テスト時の堅牢性を向上する。
  論文  参考訳（メタデータ） (2023-10-03T05:05:35Z)
• Orientation-Shared Convolution Representation for CT Metal Artifact Learning [63.67718355820655]
  X線CT(CT)スキャン中、患者を乗せた金属インプラントは、しばしば有害なアーティファクトに繋がる。 既存のディープラーニングベースの手法は、有望な再構築性能を得た。 本稿では,人工物の物理的事前構造に適応するために,配向型畳み込み表現戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-26T13:56:12Z)
• Synthetic Wave-Geometric Impulse Responses for Improved Speech Dereverberation [69.1351513309953]
  室内インパルス応答 (RIR) の低周波成分を正確にシミュレートすることが, 良好な脱ヴァーベレーションを実現する上で重要であることを示す。 本研究では, ハイブリッド合成RIRで訓練された音声残響モデルが, 従来の幾何線トレーシング法により学習されたRIRで訓練されたモデルよりも優れていたことを示す。
  論文  参考訳（メタデータ） (2022-12-10T20:15:23Z)
• Tracking perovskite crystallization via deep learning-based feature detection on 2D X-ray scattering data [137.47124933818066]
  本稿では,より高速なR-CNN深層学習アーキテクチャに基づくX線回折画像の自動解析パイプラインを提案する。 有機-無機ペロブスカイト構造の結晶化をリアルタイムに追跡し, 2つの応用で検証した。
  論文  参考訳（メタデータ） (2022-02-22T15:39:00Z)
• Surface Warping Incorporating Machine Learning Assisted Domain Likelihood Estimation: A New Paradigm in Mine Geology Modelling and Automation [68.8204255655161]
  新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。 本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。 その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
  論文  参考訳（メタデータ） (2021-02-15T10:37:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。